用以车辆和路面识别的交通遥感图像处理方法
【专利摘要】本发明公开一种用以车辆和路面识别的交通遥感图像处理方法，包括1)将图像分为两个图层；2)将每个图层的亮度进行增强；3)将其中一个图层进行翻转，使其与另一个图层具有相同的像素区间；4)将翻转后的两个图层，分别使用最大类间方差法确定阈值，从而完成图像中车、路分割的步骤。本发明首先以图层分离为核心，利用直方图中的路面像素点分布较集中、呈现峰状的特征，以峰值点为分水岭对遥感图像进行分层，将深色汽车和浅色汽车分离到深、浅两个图层内，然后，利用最大类间方差法进行阈值分割，实现了非常好的汽车和路面识别效果，汽车的坐标可以在遥感图像中精确定位。
【专利说明】用以车辆和路面识别的交通遥感图像处理方法
【技术领域】
[0001] 本发明属于遥感图像处理技术，特别是关于一种用以车辆和路面识别的交通遥感 图像处理方法。
【背景技术】
[0002] 遥感平台从高空（甚至太空）俯视地面，能够大范围、全区域地判别整个城市的交 通状况，一次性获取城市整体交通状况信息（即影像数据），非常有利于从全局角度为交通 指挥决策提供依据。
[0003] 目前主要的交通遥感图像处理方式是通过图像灰度阈值分割技术，区分遥感图像 中的道路和汽车。通过一些预处理技术，还可以有效改善识别效果，例如在阈值分割前，先 采用形态共享权神经网进行腐蚀和膨胀运算突出汽车的特征。此外，还有学者在研究以自 适应建模的方式，区分汽车和路面，例如使用机器学习中的径向基神经网络、概率神经网络 识别汽车，并通过加入纹理特征进一步提高识别率。
[0004] 全色遥感图像中，汽车颜色呈现为深、浅两种形式，交通遥感图像处理需要实现深 色汽车、浅色汽车和路面三者的区分。这是交通遥感图像处理的难点，要比仅是前景（汽 车）和背景（路面）两者的区分更加复杂。
[0005] 并且图像景物的多类分割一般很难做到准确：识别浅色车时，深色车的存在会使 最大类间方差法自适应求取的阈值偏小，路面上一些较亮的点会被误识别为浅色车；识别 深色车时，浅色车的存在会造成阈值偏大，较深的路面像素点会被误识别为深色车。
[0006] 因此，目前常用的方法是在利用阈值区分车、路之前，先将一张遥感图像变为两 张，通过形态神经网络使得一张削弱深色车保留浅色车、另一张削弱浅色车保留深色车，然 后再用阈值分割法。但这种方法很难完全消除某一颜色的汽车，其残留部分仍会造成干扰。
【发明内容】
[0007] 为了解决交通遥感图像处理中，难以区分深色汽车、浅色汽车和路面三者图像的 问题，本发明提供一种用以车辆和路面识别的交通遥感图像处理方法，它采用图像分层，力口 入阈值处理的方式，将车辆和路面准确、明显区分开来。
[0008] 该方法采取的具体方案是：一种用以车辆和路面识别的交通遥感图像处理方法， 包括如下步骤：
[0009] 1)将图像分为两个图层；
[0010] 2)将每个图层的亮度进行增强；
[0011] 3)将其中一个图层进行翻转，使其与另一个图层具有相同的像素区间；
[0012] 4)将翻转后的两个图层，分别使用最大类间方差法确定阈值，从而完成图像中车、 路分割。
[0013] 在步骤1)中，采用直方图法将图像分割为深色和浅色两个图层，所述直方图法 为：以横坐标为像素值，纵坐标为像素个数，建立遥感图像的灰度直方图，像素值区间是从 0至255;以直方图中的峰值点对应的横坐标作为分界线，把图像分为左、右两个图层。
[0014] 在步骤2)中，对两个图层进行亮度增强的方法是：将两个图层的像素都扩展到全 部的像素级范围，即分别扩展为〇?图像中的最高像素值，扩展方法是：采用线性变换，变 换的数学表达式为：
[0015]
【权利要求】
1. 一种用以车辆和路面识别的交通遥感图像处理方法，其特征在于：包括如下步骤： 1) 将图像分为两个图层； 2) 将每个图层的亮度进行增强； 3) 将其中一个图层进行翻转，使其与另一个图层具有相同的像素区间； 4) 将翻转后的两个图层，分别使用最大类间方差法确定阈值，从而完成图像中车、路分 割。
2. 根据权利要求1所述的用以车辆和路面识别的交通遥感图像处理方法，其特征在 于：在步骤1)中，采用直方图法将图像分割为深色和浅色两个图层，所述直方图法为：以横 坐标为像素值，纵坐标为像素个数，建立遥感图像的灰度直方图，像素值区间是从〇至255 ; 以直方图中的峰值点对应的横坐标作为分界线，把图像分为左、右两个图层。
3. 根据权利要求1所述的用以车辆和路面识别的交通遥感图像处理方法，其特征在 于：在步骤2)中，对两个图层进行亮度增强的方法是：将两个图层的像素都扩展到全部的 像素级范围，即分别扩展为0?图像中的最高像素值，扩展方法是：采用线性变换，变换的 数学表达式为 ：
式中，g(x，y)为扩展后图像在（X，y)处的灰度值，a为扩展前的灰度下限，b为扩展前 的灰度上限，[a，b]为变换前的像素范围，f(x，y)为原始图像在（x，y)处的灰度值。
4. 根据权利要求1所述的用以车辆和路面识别的交通遥感图像处理方法，其特征在 于：在步骤3)中，图层翻转相对于深色图层处理，其方法是： 用最高像素值与深色图层每个像素点逐点相减，数学描述为： q(x, y) = 255-g(x, y) 其中，q(x，y)为翻转后的图像在（X，y)处的灰度值，得到原图层中的〇级对应最高像 素级、原图层中的最高像素级对应0级。
5. 根据权利要求1所述的用以车辆和路面识别的交通遥感图像处理方法，其特征在 于：在步骤4)中，使用最大类间方差法完成车、路分割的方法为： 设图像的灰度级范围是（〇, 1，2, . Λ，L-1)，灰度级为i的像素点个数为IV则图像的像 素点总数为：
灰度级i出现的概率Pi的定义为：
用阈值t把图像的像素分为CQ = (0, 1，2,. Λ，t)和Q = (t+1，t+2,. Λ，L-1)两类区 间，分别代表目标与背景，Q和Q类出现的概率分别对应为：
两类像素区间的平均灰度分别为： 这里，令
则这两类像素区间的类间方差为：
分类准则函数定义为：
A2取最大值时，这时的t就是分割的最佳阈值，阈值一侧即为汽车，另一侧即为路面。
6.根据权利要求1或5所述的用以车辆和路面识别的交通遥感图像处理方法，其特征 在于：图像分割后，再使用开启运算对两个图层进行滤波，去除噪声，识别出每辆汽车。
【文档编号】G06T7/00GK104050663SQ201410242595
【公开日】2014年9月17日 申请日期:2014年6月3日 优先权日:2014年6月3日
【发明者】曹天扬, 申莉 申请人:北京航天福道高技术股份有限公司